2025金属材料机器学习专题

4.4 模型评估

2024年我们在东莞松山湖开设了金属材料机器学习课程，广受好评。此次我们对课程内容作了升级，结合金属材料本征特性（成分/工艺参数），系统讲授机器学习在构效关系研究中的前沿应用。课程涵盖材料特征工程、交叉验证策略、Scikit-learn实战等核心模块，通过铝合金力学性能预测、非晶合金分类等科研案例，手把手实现从数据挖掘到模型构建的全流程。本课程继续由吴老师讲授，融合顶刊研究经验与代码实战，助力课题组突破传统试错研究范式，提升顶刊论文竞争力。

授课时间：2025年7月26日-7月27日

授课方式：线上直播+微信群内答疑

授课内容：

2025年7月26日09:00-17:00

9:00—10:20 金属材料机器学习导论

1. 机器学习基础概念

2. 机器学习在金属材料领域的应用

10:30—12:00 经典机器学习模型介绍

1. 线性模型

2. 支持向量机

3. K近邻

4. 决策树

5. 集成学习

6. 人工神经网络

14:00—15:20 Scikit-learn机器学习库应用

1. 机器学习分类

2. 机器学习回归

3. 机器学习聚类

15:30—17:00  数据集的构建

1. 数据的收集和清洗

2. 特征归一化、标准化

3. 数据划分策略

2025年7月27日09:00-17:00

9:00—10:20 模型性能的评估方法

1. 交叉验证

2. 分类性能评估

3. 回归性能评估

10:30—12:00 金属材料的特征工程

1. 材料的特征参数

2. 材料的特征筛选

14:00—15:20 金属材料的性能预测

1. 机器学习模型回归训练

2. 案例操作：“铝合金的力学性能预测”

15:30—17:00金属材料的分类预测

1. 机器学习模型分类训练

2. 案例操作：“非晶合金与晶体合金的分类”

 

讲师介绍：

吴老师，博士毕业于中国科学院物理研究所。主要从事材料数据挖掘、机器学习、金属材料构效关联等方面的工作。相关工作发表在Acta Materialia, Scripta Materialia, Science China Materials等期刊上。

1.1 金属材料机器学习应用 2025金属材料机器学习专题

1.2 软件介绍 2025金属材料机器学习专题

1.3 金属材料导论 2025金属材料机器学习专题

1.4 线性模型、支持向量机 2025金属材料机器学习专题

1.5 K近邻 决策树 2025金属材料机器学习专题

1.6 随机森林 2025金属材料机器学习专题

2.1 分类、回归 2025金属材料机器学习专题

2.2 层次聚类 2025金属材料机器学习专题

2.3 数据收集数据清洗 2025金属材料机器学习专题

2.4 数据预处理 2025金属材料机器学习专题

2.5 数据划分 2025金属材料机器学习专题

3.1 交叉验证 2025金属材料机器学习专题

3.2 验证曲线 2025金属材料机器学习专题

3.3 分类性能评估 2025金属材料机器学习专题

3.4 回归性能评估 2025金属材料机器学习专题

3.5 特征筛选 2025金属材料机器学习专题

3.6 模型调参 2025金属材料机器学习专题

4.1 性能预测 2025金属材料机器学习专题

4.2 分类训练 2025金属材料机器学习专题

4.3 非晶合金与晶体合金的分类 2025金属材料机器学习专题

4.4 模型评估 2025金属材料机器学习专题

2025金属材料机器学习专题 2025金属材料机器学习专题